非监督分类是指人们事先对分类过程不施加任何的先验知识,而仅凭数据(遥感影像地物的光谱特征的分布规律),即自然聚类的特性,进行“盲目”的分类;其分类的结果只是对不同类别达到了区分,但并不能确定类别的属性。其类别的属性是通过分类结束后目视判读或实地调查确定的。主要有两方法:ISODATA分类与K-Means分类。
一、ISODATA分类
ISODATA是一种遥感图像非监督分类法。全称“迭代自组织数据分析技术”(Iterative Self-Organizing Data Analysis Technique)。ISODATA使用最小光谱距离方程产生聚类,此方法以随机的类中心作为初始类别的“种子”,依据某个判别规则进行自动迭代聚类的过程。在两次迭代的之间对上一次迭代的聚类结果进行统计分析,根据统计参数对已有类别进行取消、分裂、合并处理,并继续进行下一次迭代,直至超过最大迭代次数或者满足分类参数(阈值),完成分类过程。操作步骤如下:
1、在主菜单中,选择File→Open Image File,打开待分类图像
2、在主菜单中,选择Classification→Unsupervised→ISOData
3、在Classification Input File选择分类的图像文件
4、在ISODATA Parameters窗口中设置分类参数以及输出路径和文件名
- Mumber of Classes:Min,max:类别数量范围,一般输入最小数量不能小于最终分类数量,最大数量为最终分类数量的2 3倍;
- Maximum Iterations:最大迭代次数,迭代次数越大,得到的结果越精确,运算时间也越长;
- Change Threshold:变换阈值,当每一类的变化像元小于阈值时,结束迭代过程;
- Minimun # Pixel in Class:一类所需的最小像元数,如果某一类中的像元数小于最少像元数,则将其中的像元归并到距离最近的类型中;
- Maximum Class Stdv:最大分类标准差,以像素值为单位,如果某一类的标准差比该阈值大,则将该类分成两类;
- Minimum Class Distance:类别均值之间的最小距离,以像素值为单位,如果类均值之间的距离小于该值,则类别将被合并;
- Maximum # Merge Pairs:最大的合并类别;
- Maximum Stdev From Mean:距离类别均值的最大标准差,为可选项。筛选小于这个标准差的像元参与分类;
- Maximum Distance Error:最大距离误差,为可选项。筛选小于这个最大距离误差的像元参与分类;
5、点击OK执行非监督分类,结果如下
二、K-Means分类
K-均值算法也称c-均值算法,其基本思想是:通过迭代,逐次移动各类的中心,直至得到最好的聚类结果为止。
- *计算特征空间上均匀分布的最初类均值;
- *用最短距离技术重复地把像元聚集到最近的类里;
- *每次迭代重新计算了均值,且用这一新的均值对像元进行再分类。除非限定了标准差和距离的阈值(这时,如果一些像元不满足选择的标准,他们就无法参与分类),所有 像元都被归到与其最临近的一类里;
- *这一过程持续到每一类的像元数变化少于选择的像元变化 阈值或已经到了迭代的最多次数。操作步骤如下:
1、在主菜单中,选择Classification→Unsupervised→K-Means;(步骤同ISODATA)
2、在Classification Input File选择分类的图像文件;(步骤同ISODATA)
3、在K-Means Parameters窗口中设置分类参数以及输出的路径和文件名
4、点击OK执行非监督分类,结果如下